[发明专利]摘要提取方法、装置、设备及计算机可读存储介质

说明书

本申请提供一种摘要提取方法、装置、设备及计算机可读存储介质，该方法包括：计算语句集中每两个语句之间的句子相似度，并基于TextRank算法和句子相似度，从语句集中筛选出第一摘要候选集；计算语句集中每两个语句之间的余弦相似度，并基于TextRank算法和余弦相似度，从语句集中筛选出第二摘要候选集；基于MMR算法和预设语句个数，分别从第一摘要候选集和第二摘要候选集中筛选出第三摘要候选集第四摘要候选集；分别四个摘要候选集中选择预设摘要语句数量的语句，以形成融合摘要候选集；统计融合摘要候选集中各语句的出现次数，并根据各语句的出现次数，从融合摘要候选集中筛选出目标文本的摘要结果集。本申请涉及数据处理，可以提高摘要提取的准确性。

技术领域

本申请涉及数据处理的技术领域，尤其涉及一种摘要提取方法、装置、设备及计算机可读存储介质。

背景技术

目前，摘要技术主要分为抽取式和生成式两大类，抽取式指直接从文中抽取重要的句子，再将句子进行排序组合后输出作为最终的摘要；生成式是指根据原文内容进行提炼总结，允许有新的词语或者句子生成来形成摘要。然而，生成式摘要需要大量的标注数据，而摘要的标注没有统一的标准且比较耗时，无法准确的提取文本的摘要，而常用的抽取式摘要方法是TextRank，但是原始TextRank方法只是基于句子的相似度抽取摘要，且抽取出的句子存在冗余性，摘要提取的准确性较低。因此，如何提高摘要提取的准确性是目前亟待解决的问题。

发明内容

本申请的主要目的在于提供一种摘要提取方法、装置、设备及计算机可读存储介质，旨在提高摘要提取的准确性。

第一方面，本申请提供一种摘要提取方法，所述摘要提取方法包括以下步骤：

获取目标文本的语句集，其中，所述目标文本为待提取摘要的文本；

计算所述语句集中每两个语句之间的句子相似度，并基于TextRank算法，根据所述句子相似度，从所述语句集中筛选出第一摘要候选集；

计算所述语句集中每两个语句之间的余弦相似度，并基于TextRank算法，根据所述余弦相似度，从所述语句集中筛选出第二摘要候选集；

基于最大边缘相关MMR算法和预设语句个数，从所述第一摘要候选集中筛选出第三摘要候选集以及从所述第二摘要候选集中筛选出第四摘要候选集；

分别从所述第一摘要候选集、第二摘要候选集、第三摘要候选集和第四摘要候选集中选择预设摘要语句数量的语句，以形成融合摘要候选集；

统计所述融合摘要候选集中各语句的出现次数，并根据各语句的出现次数，从所述融合摘要候选集中筛选出所述目标文本的摘要结果集。

第二方面，本申请还提供一种摘要提取装置，所述摘要提取装置包括：

获取模块，用于获取目标文本的语句集，其中，所述目标文本为待提取摘要的文本；

第一摘要筛选模块，用于计算所述语句集中每两个语句之间的句子相似度，并基于TextRank算法，根据所述句子相似度，从所述语句集中筛选出第一摘要候选集；

第二摘要筛选模块，用于计算所述语句集中每两个语句之间的余弦相似度，并基于TextRank算法，根据所述余弦相似度，从所述语句集中筛选出第二摘要候选集；

第三摘要筛选模块，用于基于最大边缘相关MMR算法和预设语句个数，从所述第一摘要候选集中筛选出第三摘要候选集以及从所述第二摘要候选集中筛选出第四摘要候选集；

选择模块，用于分别从所述第一摘要候选集、第二摘要候选集、第三摘要候选集和第四摘要候选集中选择预设摘要语句数量的语句，以形成融合摘要候选集；

摘要确定模块，用于统计所述融合摘要候选集中各语句的出现次数，并根据各语句的出现次数，从所述融合摘要候选集中筛选出所述目标文本的摘要结果集。